2024 诞生式 AI 在保卫银行业中的底力与应用报

IBM商业价值研究院|ResearchInsights 保险业中的生成式AI 你不能赢，如果你不玩 IBM如何提供帮助 IBM的咨询服务和一系列保险解决方案通过利用开放混合云产品来推动新的风险产品和服务，这些产品基于数据和可信赖的人工智能，同时现代化并自动化混合云系统以提高灵活性、韧性和效率。欲了解更多信息，请访问ibm.com/industries/insurance。 保险公司可以通过生成式AI在客户对话中取得繁荣发展 ，但更大的价值在于在整个企业范围内构建具体的改进 ，包括风险咨询、产品开发和端到端流程。 关键要点 保险公司正在使用生成AI在客户体验中赢得早期胜利，但还有更多工作要做。 保险公司在其客户系统中大量使用生成型AI的，在客户满意度方面显著优于完全不使用生成型AI的保险公司，包括留存率高出14%和净推荐值高出48 %。 客户想要与他们的风险相匹配的建议和产品，而不仅仅是更好的聊天机器人体验。 保险公司专注于品牌形象和产品体验，而客户则表示，满足其独特需求的定制化产品是他们的首要要求。 组织选择 较少集中的运营模式开发genAI能力 改善业务成果高达14%。 他们看到更好的运行/构建比，更快的上市速度，更高的客户满意度和保留率。 1 保险公司的生成AI平衡行为 保险业首席执行官在生成AI上平均分配： 51%的人认为这是一个机会，49%的人认为这是1一个风险。 行业高管预计将以生成式AI推动竞争优势，通过改进销售、客户体验和组织能力来提升竞争力——但他们也对网络安全和运营风险，以及不准确性和偏见可能引发的问题保持警惕。2 无论保险公司在谨慎和风险缓解方面表现出的趋势如何，抓住机遇的压力依然存在 。77%的行业高管表示，他们需要迅速采用通用人工智能以跟上竞争对手的步伐。3 随着保险公司在这条细线上谨慎前行，既要迅速构建新一代AI能力，又要管理新一代AI的风险和合规性，它们正基于IBM商业价值研究院（IBMIBV）的新研究积极推进相关应用。预计从2023年到2025年，对新一代AI的投资将激增超过300%，组织机构也将从单一或少数领域的试点转向整个业务职能范围内的实施。 组织也开始尝到成功的甜头。早期采用生成型AI技术并在面向客户系统中显著使用的企业，与完全不使用的保险公司相比，客户满意度有了显著提升，包括留存率高出14 %，净推荐值高出48%。而跨直接销售渠道、代理渠道和银行渠道使用生成型AI的保险公司，则在销售、客户体验和客户获取成本方面取得了改善（见图1）。 然而，我们对1,000名全球保险和银行保险高管以及4,700名保险公司客户进行全面调查也揭示了保险公司在关于生成式AI期望和担忧方面与客户之间存在显著分歧。为了继续实现这些好处，保险公司明智的做法是花时间评估双方的观点。what他们正在用技术和how他们正在做这件事。 在本报告中，我们探讨了保险提供商在评估其通用人工智能（genAI）战略时应考虑的三个关键因素：客户参与、技术准备和运营模式。在第一部分中，我们将讨论消费者与保险公司对通用人工智能的期望之间的当前差距、这一差距带来的机会以及负责任的人工智能的重要性。在第二部分中，我们将分析人工智能与遗留基础设施之间的互动及其如何影响人工智能的交付。在第三部分中，我们将考察通用人工智能运营模式对组织决策框架及关键业务指标的影响。每个部分附带的行动指南提供了保险公司可以立即采取的步骤，以将通用人工智能的增长潜力转化为现实。 2 Sales 直接渠道22% 代理22% 银行保险17% 客户体验 直接渠道29% 代理商29% 银行保险19% 图1 购置成本 GenAI有助于提高销售， 直接渠道12% 客户体验，以及 代理商9% 客户获取成本银行保险21% 图保1险渠道。 GenAI有助于改善保险渠道的销售、客户体验和获取成本。 在很大/很大程度上报告改进的百分比。 使用genAI并在很大/很大程度上报告改进的保险公司百分比 备选案文1 22% 直接通道 22% 代理商 Sales 17% 银行保险 29% 直接通道 29% 代理商 客户经验 19% 银行保险 12% 直接通道 9% 代理商 客户采集 21% 银行保险 费用 基于IBMIBV分析。 3 第一部分 缩小与客户的AI差距 保险公司对生成性人工智能（genAI）的应用需要超越个性化对话和聊天机器人，真正实现客户导向的客户、风险和产品匹配。 客户参与已成为保险公司在人工智能项目中的首要优先事项。大多数保险公司高管报告了在人工智能助手（66%）、增强客户服务（65%）、直接客户帮助（62%）和开发人员生产力（60%）方面的进展。但这里存在一个断点：生成式人工智能驱动的客户服务并不是保险公司客户的主要优先事项。客户超越了即时的服务体验，提出了一个更深层次的问题：我是否获得了合适的产品来抵消自己的风险？ 客户对生成式AI在客户服务和保险咨询中的应用仍存在重大疑虑。仅有29%的客户感到舒适，认为生成式AI虚拟代理能够提供客户服务，而认为其能提供保险建议的客户比例更是只有23%。仅仅26%的客户信任生成式AI提供的建议的可靠性和准确性。在这种环境下，生成式AI个性化可能不会提升客户信任；反而可能削弱客户的信任。企业未能花时间了解客户需求和关注点，正在重蹈覆辙。4 审视保险公司如何利用生成式AI满足客户优先级，客户最看重的功能选项在保险公司列表中排名较低：更加个性化和符合个人需求与偏好的产品（见图2）。保险公司的客户希望获得定制化且可靠的金融产品，而不是那些不透明、不安全且复杂的高端产品 。 两个小组都认为利用生成性人工智能（genAI）来实现个性化定价或促销非常重要 。然而，许多保险公司尚未将这一观点付诸行动——营销在他们正在实施或运行的AI应用场景中排名较低，处于第三梯队。保险公司的管理层认为个性化服务是一个关键问题，但保险客户期望的是更根本性的变革。 图2 客户对生成AI有不同的期望 图2 超出了保险公司的预期。 保险公司期望与客户现实 保险公司认为客户想要什么客户想要什么 个性化定价或促销 产品范围更多为个人量身定制需求/偏好 改善客户支持/服务 更好的客户/品牌经验 改进的产品设计 产品范围更多为个人量身定制需求/偏好 改进的产品可用性 个性化定价或促销 改善客户支持/服务 改进的数据 隐私/网络安全 改进的产品可用性 更好的客户/品牌经验 改进的数据 隐私/网络安全 改进的产品设计 您： 向保险公司提问。您的客户今天从贵公司使用生成式AI中期望获得哪些好处？向客户提问。您今天期望从保险公司的使用生成式AI中获得哪些好处？ 在审视客户对生成式AI的关注点时（见图3），还暴露出了额外的差距。虽然保险公司和客户都对生成式AI缺乏人类控制表示担忧，但他们的看法在此之后出现了分歧。客户更加关注实际实施问题，如隐私和数据安全、可能的诈骗以及缺乏监督下的不准确回应。相比之下，保险公司认为AI伦理政策可以解决这些问题，但客户显然并不这么认为，将这一点列为他们顾虑的最后一条。客户寻求的是实际的道德行为，而不是空洞的道德声明。 图3 客户也专注于不同的 G图e3nAI的担忧超出了保险公司的预期。 保险公司的预期客户一代AI担忧与实际客户担忧 保险公司认为客户 是客户关注的问题关注 缺乏人类 对genAI的控制 缺乏人类 对genAI的控制 伦理问题隐私和 数据安全 隐私和数据安全 去人性化相互作用 缺乏 透明度/可解释性 重大决策 用genAI制作 可能的诈骗 不准确的响应/信息 重大决策 用genAI制作 去人性化相互作用 不准确的响应/信息 缺乏透明度/可解释性 Job 流离失所/失业 作业位移/失业 可能的诈骗伦理问题 保险公司向客户提问：客户对生成式AI有哪些顾虑？客户向保险公司提问：您对保险公司使用生成式AI有哪些顾虑？ 尽管这些差距挑战着当前保险公司的努力，也为精明的保险公司提供了超越竞争对手的机会。保险公司可以通过抓住通用人工智能的能力，支持新的个性化产品类型，并采用更加针对性的方法更快地推向市场来实现差异化。例如，最近IBM商业价值研究显示，领先的数字产品组织正在利用AI来研究消费者和用户需求、理解产品使用情况以及整合客户反馈。5对于保险公司而言，这意味着不仅要提供个性化服务，还要确保客户、其风险与保险公司的产品之间真正匹配。鉴于保险公司对品牌形象的投资以及监管限制，信任和质量必须无可挑剔。 生成式AI也可以帮助保险公司扩大产品范围：高管们预计2025年产品开发速度将加快3.6个月，并增加50%的新产品数量。过往IBMIBV保险行业研究显示，扩展非传统产品offerings将实现较强的市场渗透和收入预期。6 但信任、安全和公平仍是基本要求。77%的保险CEO表示，建立和维护客户信任将比任何特定的产品或服务对组织的成功产生更大的影响。7由于保费上涨，消费者对保险业的信任已经不稳定，8我们的研究显示，自COVID-19之前以来，保险公司的总体信任得分下降了25%。 持续的努力赢得信任意味着保险公司必须以增强客户关系而非损害客户信任的方式部署生成式AI。他们无法忽视负责任的AI实践和安全问题，并且必须在整个企业范围内有效治理AI的使用。 保险公司必须以建立客户融洽关系的方式部署GeneAI ，而不是破坏它。 行动指南 做什么 客户对生成式AI✁失误极为重视：67%✁受访者认为，如果生成式AI出现问题，保险公司应当承担责任。此外，61%✁受访者希望在保险公司使用AI服务时被征求同意，并且在使用AI时应有明确✁通知。要在生成式AI时代取得成功，保险公司必须平衡客户服务、个性化产品和服务以及负责任 ✁AI最佳实践。 关键实践 构建具有灵活性、建议和数据链接✁更多定制产品。 利用AI解决方案简化工作流程并在销售和服务过程中改进具体步骤。这可以加速产品设计和交付，并提升服务交付效率。选择能够利用近边缘数据✁AI工具，例如在数据收集点进行-telematics总结。部署数据框架，将有意义✁客户数据在整个典型✁保险数据景观中联邦化，结合本地系统、多个云环境以及生态系统合作伙伴（如洪水模型 、安全系统、天气和气候数据或社交媒体数据）。确保从企业核心和非核心系统访问数据，以支持本地通用人工智能模型开发，从而促进创新同时保持数据✁内部管理。 将这些产品与客户智能匹配。 利用生成式AI技术将产品和服务更准确地连接到客户需求。分析消费者数据和呼叫中心 ✁最佳实践，并在理赔和服务过程中向客户服务代表提供这些信息。根据客户✁风险、需求、愿望和关注点驱动最佳行动建议，并将产品与客户当前✁生活状况相匹配。通过在风险考虑点将保险产品嵌入更广泛✁金融生态系统中来提升用户体验，并在当地嵌入AI以提供无缝✁服务和建议给客户。9 解决信任分歧。 保险公司必须将人工智能思维从“它应该有效”转变为“它是否应该有效？”人工智能将在保险✁技术架构中迅速占据地位，类似于云技术✁普及。不要强行将一种人工智能模型适用于所有场景；要为未来多种多样✁人工智能模型做好准备。积极治理模型性能，关注公平性、透明度和幻觉问题。确保所有模型✁结果具有可解释性，并理解决策✁信心水平。赋予人类更好✁决策能力，而不是完全依赖自动化。选择内置治理和合规报告功能✁人工智能模型解决方案。在人工智能框架层面加强安全、数据治理和数据隐私保护 ，而不仅仅是针对个别✁人工智能模型。令人鼓舞✁消息是：同样✁时间考验过✁安全和隐私最佳实践可以作为通用人工智能模型和解决方案✁基础。10 第二部分 征服复杂性 GenAI给技术领域带来了压力-但也提出了现代化✁方法。 在IBMIBV2024科技领导者研究中，44%✁保险CIO、CTO和CDO表示，新✁商业模式和以体验为导向✁组织是最能在未来三年内带来竞争优势✁重要因素。但超过一半 ✁人认为，他们✁技术在交付客户体验方面仅是中等有效。11 生成式A